通过打车订单识别醉酒乘客的人工智能系统和方法技术方案

本申请涉及识别打车订单的醉酒乘客的系统和方法。该系统可以执行以下方法：从存储在数据库中的历史打车订单中，获取至少两个样本；对于所述至少两个样本中的每一个样本，使用应用程序，提取包括乘客特征集、司机特征集和订单特征集的至少两个特征，其中，所述订单特征集包括与醉酒热区相关的特征；以及基于所述至少两个特征和所述至少两个样本，训练初始分类模型以获取醉酒模型。

Artificial intelligence system and method of identifying drunk passengers by taxi order

【技术实现步骤摘要】
通过打车订单识别醉酒乘客的人工智能系统和方法
本申请通常涉及提供线上到线下服务的人工智能系统和方法，更具体地说，涉及识别打车订单的醉酒乘客的人工智能系统和方法。
技术介绍
随着互联网技术的发展，线上到线下(O2O)服务(如在线打车服务)在人们的日常生活中发挥着越来越重要的作用。随着在线打车订单的增加，请求在线打车服务的乘客与提供此类服务的司机之间的冲突发生得越来越频繁。大部分冲突都是由醉酒乘客引起的。因此，乘客醉酒引起的冲突需要引起重视。期望提供通过打车订单识别醉酒乘客的人工智能系统和方法。
技术实现思路
本申请的一个方面介绍了一种识别打车订单的醉酒乘客的系统。该系统可以包括至少一个存储介质，其包括用于识别打车订单的醉酒乘客的一组指令；以及至少一个与所述存储介质通信的处理器。当执行所述指令时，所述至少一个处理器可以执行以下操作。所述至少一个处理器可以从存储在数据库中的历史打车订单中，获取至少两个样本。对于所述至少两个样本中的每一个样本，所述至少一个处理器可以使用应用程序来提取包括乘客特征集、司机特征集和订单特征集的至少两个特本文档来自技高网...

【技术保护点】
1.一种识别打车订单的醉酒乘客的人工智能系统，包括模型训练模块，所述模型训练模块被配置为：/n从存储在数据库中的历史打车订单中，获取至少两个样本；/n对于所述至少两个样本中的每一个样本，使用应用程序，提取包括乘客特征集、司机特征集和订单特征集的至少两个特征，其中，所述订单特征集包括与醉酒热区相关的特征；以及/n基于所述至少两个特征和所述至少两个样本，训练初始分类模型以获取醉酒模型。/n

【技术特征摘要】
1.一种识别打车订单的醉酒乘客的人工智能系统，包括模型训练模块，所述模型训练模块被配置为：
从存储在数据库中的历史打车订单中，获取至少两个样本；
对于所述至少两个样本中的每一个样本，使用应用程序，提取包括乘客特征集、司机特征集和订单特征集的至少两个特征，其中，所述订单特征集包括与醉酒热区相关的特征；以及
基于所述至少两个特征和所述至少两个样本，训练初始分类模型以获取醉酒模型。


2.根据权利要求1所述的系统，其特征在于，所述至少两个样本包括正样本集和负样本集，其中
所述正样本集包括至少两个历史醉酒打车订单，以及
所述负样本集包括至少两个历史非醉酒打车订单。


3.根据权利要求1或权利要求2所述的系统，其特征在于，所述乘客特征集包括任一乘客的基本特征以及与所述任一乘客的历史订单相关的特征，
所述司机特征集包括任一司机的基本特征以及与所述任一司机的历史订单相关的特征，以及
所述订单特征集还包括任一订单的基本特征。


4.根据权利要求1所述的系统，其特征在于，还包括热区识别模块，所述热区识别模块被配置为：
基于至少两个历史代驾订单，识别至少两个醉酒热区。


5.根据权利要求4所述的系统，其特征在于，为了识别所述至少两个醉酒热区，所述热区识别模块被配置为：
从所述至少两个历史代驾订单中，获取至少两个历史醉酒代驾订单，所述至少两个历史醉酒代驾订单中的每一个历史醉酒代驾订单包括起始位置；
基于所述至少两个历史醉酒代驾订单的所述起始位置，识别至少两个区域；以及
对于所述至少两个区域中的每一个区域，
确定所述区域是否满足预定条件，以及
响应于所述区域满足所述预定条件的确定结果，将所述区域指定为所述至少两个醉酒热区中的一个醉酒热区。


6.根据权利要求5所述的系统，其特征在于，所述预定条件包括以下至少之一：
所述区域中的历史醉酒代驾订单的数量大于数量阈值；或者
历史醉酒投诉打车订单的数量与历史醉酒代驾订单的数量的比率大于比率阈值。


7.根据权利要求1所述的系统，其特征在于，为了提取所述至少两个特征，所述模型训练模块进一步被配置为：
对于所述至少两个样本中的每一个样本，
识别起始位置；
将所述起始位置映射到醉酒热区；以及
基于所述醉酒热区，提取所述与醉酒热区相关的特征。


8.根据权利要求1所述的系统，其特征在于，所述初始分类模型是梯度提升决策树GBDT模型。


9.根据权利要求1所述的系统，其特征在于，还包括：
订单获取模块，被配置为从乘客的乘客终端获取打车订单；以及
醉酒确定模块，被配置为基于所述打车订单和所述醉酒模型，确定所述乘客是否醉酒。


10.根据权利要求9所述的系统，其特征在于，确定所述乘客是否醉酒，所述醉酒确定模块进一步被配置为：
获取所述乘客的醉酒概率，其中，所述打车订单是所述醉酒模型的输入，所述醉酒概率是所述醉酒模型的输出；
判断所述醉酒概率是否大于概率阈值；以及
响应于所述醉酒概率大于所述概率阈值的确定结果，确定所述乘客醉酒。


11.根据权利要求9所述的系统，其特征在于，还包括提示发送模块，被配置为：
响应于所述乘客醉酒的确定结果，向所述打车订单的司机的司机终端发送提示，所述提示显示在所述司机终端的司机界面上。


12.一种识别打车订单的醉酒乘客的人工智能方法，其在计算设备上实现，包括至少一个含有一组指令的存储介质，以及与所述存储介质通信的至少一个处理器，所述方法包括：
从存储在数据库中的历史打车订单中，获取至少两个样本；<...

【专利技术属性】
技术研发人员：张谷超，王一臻，刘亚书，
申请(专利权)人：北京嘀嘀无限科技发展有限公司，
类型：发明
国别省市：北京;11